特征融合是将两个特征向量组合得到单个特征向量的过程，它比任何一个输入特征向量都更具判别力。 DCAFUSE 使用基于判别相关分析 (DCA) 的方法应用特征级融合。 它从两个模态 X 和 Y 中获取训练和测试数据矩阵，以及它们对应的类标签，并将它们合并到一个单一的特征集 Z 中。 详情可见： M. Haghighat、M. Abdel-Mottaleb、W. Alhalabi，“判别相关分析：用于多模态生物特征识别的实时特征级融合”，IEEE 信息取证和安全交易，卷。 11号9，第 1984-1996 页，2016 年 9 月。 http://dx.doi.org/10.1109/TIFS.2016.2569061 和M. Haghighat、M. Abdel-Mottaleb W. Alhalabi，“特征级融合的判别相关分析与多模态生物识别的应用”，IEEE 国际声学、语音和信号处理会

第 06 节_GEE 的数据类型(Geometry,Feature, Feature Collection).pdf

记分卡捆绑 高级记分卡建模API评分卡建模尽在于此 文档页面|文档页面： : 自述文件 介绍 Scorecard-Bundle是一个高级Scorecard建模API ，它易于使用且与Scikit-Learn保持一致。 它涵盖了训练计分卡模型的主要步骤，例如使用ChiMerge进行特征离散化，WOE编码，具有信息值和共线性的特征评估，基于Logistic回归的计分卡模型以及针对二元分类任务的模型评估。 Scorecard-Bundle中的所有变换器和模型类均符合Scikit-Learn的fit-transform-predict约定。 一个完整的示例，展示了如何使用记分卡捆绑包构建记分卡：示例笔记本 在https://scorecard-bundle.bubu.blue/中查看详细且对读者更友好的文档 在记分卡捆绑软件中，基于Mamdouh Refaat的书“信用风险记分卡：使用SA

自Visual C++ 6.0 以后，一直强调用户体验的Microsoft 也坐不住了。Visual Studio 2002 、2003的平面风格，给大家耳目一新的感觉，引领了时代潮流。而后的 Office 2003 界面一时间也是独领风骚。可是这些界面库都是MS自己留着用，从没想到拿出来。终于，终于在Visual Studio 2005 里面，.NET 程序员可以毫不费力的使用Office 2003 风格的界面控件了。TextBox控件也衍生出了很多小弟弟，限制某些字符的输入，也不用去响应TextChanged、KeyDown等事件了。但是Visual C++程序员肯定是再一次的失望了。在这几个版本的Visual Studio 中我没有看到MFC的本质的提升(添加CImage 类不能算是大幅度改进。其实对于图像操作，VC程序员们早就自力更生自己解决了。) 2008年01月07日，MS总算是没有忘记这些使用Visual C++的老朋友。推出了 Visual C++ Feature Pack Beta 下载。这次的Feature Pack 是专门针对VC 库的一个扩充。扩充分为两方面，一方面是MFC 的界面控件库；另一方面是对ISO C++ Standard 2003 标准的扩充。

VS08 SP1所含的VC08的MFC功能包（MFC Feature Pack for Visual C++ 2008），在MFC 9.0的基础上增加137个新类（及86个内部类）和1个新结构。功能包对传统MFC库进行了扩展，以支持时髦的现代用户界面元素，如Office Fluent（流畅）UI、停靠窗口和MDI选项卡（tab）窗口（似Visual Studio 2005/2008）、增强型工具条、丰富的新控件集、支持总体视觉样式（overall visual style）、支持桌面报警（desktop alerts）等等。程序员可以利用该功能包编写具有类似于微软公司新版的Microsoft Office、Visual Studio或Internet Explorer等流行界面视觉样式的应用程序。 MFC功能包的改进主要体现在新型用户界面上，主要包括：功能区（ribbon）、选项卡（tab）窗口和窗格（pane）、视觉样式切换（换肤）、可停靠与自动隐藏的控制条和窗格等。

Automatic Feature Interaction Learning via.pdf

matlab实验源代码 feature-selection 很简单的特征选择代码实现。会逐步追加不同的特征选择方法。 读取数据是用的libsvm中的libsvmream。数据下载地址： Data文件夹为试验用数据 matlab文件夹为libsvm安装包。里面是已经用mex安装过后的状态 MI文件夹是互信息量计算，源代码为C method为特征选择方法的文件夹，会陆续更新不同的特征选择方法。 方法：mRMR，reliefF，SVM_REF 这个项目鸽了，没意思

feature extraction深度学习的实现，代码内容详细，有不懂之处欢迎大家多多交流

malini：NeuroImaging中的机器学习（MALINI）是基于MATLAB的工具箱，用于使用静止状态功能磁共振成像（rs-fMRI）数据进行特征提取和疾病分类。 介绍了18种不同的流行分类器。 稍加修改，它也可以用于使用任何功能集的任何分类问题

EfficientNet PyTorch 快速开始 使用pip install efficientnet_pytorch的net_pytorch并使用以下命令加载经过预训练的EfficientNet： from efficientnet_pytorch import EfficientNet model = EfficientNet . from_pretrained ( 'efficientnet-b0' ) 更新 更新（2021年4月2日） 已发布！ 当您阅读本文时，我正在努力实现它：) 关于EfficientNetV2： EfficientNetV2是卷积网络的新家族，与以前的模型相比，它具有更快的训练速度和更好的参数效率。 为了开发该系列模型，我们将训练感知的神经体系结构搜索和缩放结合使用，以共同优化训练速度和参数效率。 从富含新操作（例如Fused-MBConv）的搜索空